In this 2 hour and 15 mins long project-based course, you will learn how to ow to set up PyCaret Environment and become familiar with the variety of data preparing tasks done during setup, be able to create, see and compare the performance of several models, learn how to tune your model without doing an exhaustive search, create impressive visuals of models, interpret models with the wrapper around SHAP Library and much more & all this with just a few lines of code.

PyCaret: Anatomy of Regression

(14 avis)
Expérience recommandée
Ce que vous apprendrez
How to create a regression environment and compare model performance
Create best performing regression models
Using hyper parameter to tune models
Compétences que vous pratiquerez
- Catégorie : Applied Machine Learning
- Catégorie : Predictive Modeling
- Catégorie : Data Visualization
- Catégorie : Data Preprocessing
- Catégorie : Feature Engineering
- Catégorie : Regression Analysis
- Catégorie : Machine Learning
- Catégorie : Exploratory Data Analysis
- Catégorie : Model Evaluation
- Catégorie : Performance Tuning
Outils que vous utiliserez
- Catégorie : Scikit Learn (Machine Learning Library)
- Catégorie : Python Programming
Détails à connaître

Ajouter à votre profil LinkedIn
Disponible uniquement sur ordinateur
Découvrez comment les employés des entreprises prestigieuses maîtrisent des compétences recherchées

Apprendre, pratiquer et appliquer des compétences prêtes à l’emploi en moins de 2 heures
- Bénéficiez d’une formation par des experts du secteur
- Gagnez en expérience pratique en effectuant des tâches professionnelles du monde réel
- Renforcez votre confiance en utilisant les outils et technologies les plus récents

À propos de ce Projet Guidé
Apprendrez étape par étape
Votre enseignant(e) vous guidera étape par étape, grâce à une vidéo en écran partagé sur votre espace de travail :
-
Task 1: Import Data, Initial dataset check and setup Pycaret environment
-
Task 2: Create regression environment and compare model performance
-
Task 3: Create best performing regression models
-
Task 4: Hyper Parameter tuning the models
-
Task 5: Stacking & Ensemble
-
Task 6: Visualize and interpret the machine learning model
Expérience recommandée
Familiar with regression models, Sklearn and Python
7 images de projet
Instructeur

Offert par
Méthode d’apprentissage
Apprentissage pratique basé sur les compétences
Mettez en pratique de nouvelles compétences en effectuant des tâches professionnelles.
Conseils d’experts
Suivez les vidéos pré-enregistrées d’experts à l’aide d’une interface unique, divisée en deux.
Aucun téléchargement ou installation requis(e)
Accédez aux outils et aux ressources dont vous avez besoin dans un espace de travail cloud préconfiguré.
Disponible uniquement sur ordinateur de bureau
Ce Projet Guidé est conçu pour les ordinateurs portables ou de bureau disposant d’une connexion internet fiable, et non pour les appareils mobiles.
Pour quelles raisons les étudiants sur Coursera nous choisissent-ils pour leur carrière ?

Felipe M.

Jennifer J.

Larry W.

Chaitanya A.
Vous aimerez peut-être aussi

Corporate Finance Institute

Wesleyan University

Ouvrez de nouvelles portes avec Coursera Plus
Accès illimité à 10,000+ cours de niveau international, projets pratiques et programmes de certification prêts à l'emploi - tous inclus dans votre abonnement.
Faites progresser votre carrière avec un diplôme en ligne
Obtenez un diplôme auprès d’universités de renommée mondiale - 100 % en ligne
Rejoignez plus de 3 400 entreprises mondiales qui ont choisi Coursera pour les affaires
Améliorez les compétences de vos employés pour exceller dans l’économie numérique



